Modelle mit WAIC vergleichen

Nachdem du erfolgreich das erste, grundlegende Modell gebaut hast, wirfst du noch einmal einen Blick auf die verfügbaren Daten. Dabei fällt dir eine Variable namens wind_speed auf. Sie könnte ein guter Prädiktor für die Anzahl ausgeliehener Fahrräder sein! Gegen den Wind zu radeln macht schließlich nicht so viel Spaß, oder?

Du passt ein weiteres Modell mit diesem zusätzlichen Prädiktor an:

formula = "num_bikes ~ temp + work_day + wind_speed"

with pm.Model() as model_2:
    pm.GLM.from_formula(formula, data=bikes)
    trace_2 = pm.sample(draws=1000, tune=500)

Ist dein neues model_2 besser als model_1, also das ohne Windgeschwindigkeit? Vergleiche die beiden Modelle mit dem Widely Applicable Information Criterion (WAIC), um es herauszufinden!

Sowohl trace_1 als auch trace_2 sind in deinem Workspace verfügbar, und pycm3 wurde als pm importiert.